پیش بینی مالیات بر ارزش افزوده ناشی از مصرف دخانیات در ایران با استفاده از روش شبکه عصبی
Authors
Abstract:
Cigarette and tobacco products in the VAT Law is considered as one of the particular goods and in order to contorlingit’s consumption by price tools, higher tax rates than the standard rate will be levied on it. In this paper, forecasting of revenues of this tax using an approach based on the estimating of tax base has been considered. Thus the first stage, tax base (consumption expenditure) is forecasted for the period 2012 to 2015 and then tax related years by applying the tax rates, will be calculated. In this regard, Because of concerns that policy makers have access to accurate predictions of tax revenues, Supervised neural networks Method to prediction and back-propagation algorithm to train is used. The results indicate that the average annual growth of revenue from value added tax on Cigarette consumption will have 20 percent during the forecasting years.
similar resources
مدل ترکیبی شبکه عصبی با الگوی arima جهت پیش بینی مالیات بر ارزش افزوده بر مصرف بنزین در ایران
یکی از مسائل مهم هنگام بودجه ریزی، دسترسی به درآمدهای قابل تحقق است که این موضوع مستلزم پیش بینی های دقیق از انواع درآمدها در آینده می باشد. یکی از منابع درآمدی پر اهمیت دولت مالیات بوده که در این مقاله، پیش بینی مالیات بر ارزش افزوده ناشی از مصرف بنزین مدنظر قرار گرفته است. هدف اصلی، دستیابی به روشی کارا جهت پیش بینی مصرف بنزین و مالیات بر ارزش افزوده ناشی از آن در ایران می باشد. در این مقاله،...
full textپیش بینی مالیات بر ارزش افزوده بر مصرف بنزین
در قانون مالیات بر ارزش افزوده برای کنترل مصرف بنزین، به عنوان یکی از کالاهای آلاینده محیط زیست، و همچنین دستیابی به منابع درآمدی جهت حفاظت از محیط زیست، نرخ مالیاتی بالاتر از نرخ استاندارد بر مصرف آن وضع می شود. از این رو، در این مقاله پیش بینی میزان درآمد قابل وصول از این پایه مالیاتی با استفاده از رویکردی دو مرحله ای مدنظر قرار گرفته است. در مرحله اول، پایه مالیات (مخارج مصرفی بنزین) برای دو...
full textپیش بینی تولید آبزیان دریایی در ایران با استفاده از روش ARIMA و شبکه عصبی مصنوعی
پیشبینی پدیدههای اقتصادی ساختاری فراهم میکند تا مدیران و مسؤلان اقتصادی را در گرفتن تصمیم‌های درست یاری دهد. هدف اصلی این مطالعه پیشبینی مقدار تولید آبزیان دریایی در ایران است. برای این منظور از روشهای سری زمانی خود توضیح جمعی میانگین متحرک (ARIMA)[1] و شبکه عصبی مصنوعی[2] استفاده میشود. در این مطالعه سه ساختار گوناگون شبکه عصبی شامل شبکه عصبی پیشرو[3]، تابع پایه شعاعی[4] و المن[5] بکار ...
full textپیش بینی مصرف کاغذ چاپ و تحریر در ایران با استفاده از روش های کلاسیک و شبکه عصبی مصنوعی
هدف از این تحقیق پیش بینی روند مصرف کاغذ چاپ و تحریر در ایران طی یک دوره زمانی 5 ساله با استفاده از روشهای کلاسیک و نوین پیش بینی است. به منظور انجام این پیش بینی، در ابتدا پیش بینی پذیر بودن سری زمانی با استفاده از آزمون های دوربین- واتسون و گردش مورد بررسی قرار گرفت. سپس به مقایسه مدل شبکه عصبی مصنوعی (پرسپترون چندلایه (MLP)) و مدل های کلاسیک تک متغیره و چندمتغیره از قبیل مدل های تک متغیره هم...
full textMy Resources
Journal title
volume 5 issue 20
pages 55- 72
publication date 2015-09
By following a journal you will be notified via email when a new issue of this journal is published.
No Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023